Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[summary] => [format] => 2 [safe_value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[safe_summary] => ) ) ) [field_date_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_etichetta_box_lancio_news] => Array ( ) [field_img_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [fid] => 142067 [uid] => 26499 [filename] => ai_salute.jpg [uri] => public://ai_salute.jpg [filemime] => image/jpeg [filesize] => 229888 [status] => 1 [timestamp] => 1756199852 [type] => image [field_file_image_alt_text] => Array ( ) [field_file_image_title_text] => Array ( ) [field_folder] => Array ( [und] => Array ( [0] => Array ( [tid] => 2048 ) ) ) [metadata] => Array ( [height] => 1322 [width] => 2519 ) [height] => 1322 [width] => 2519 [alt] => schermo digitale con immagini di cervello umano [title] => ) ) ) [field_link_alla_news] => Array ( ) [field_link_esterno_news] => Array ( ) [field_pagina_associata] => Array ( ) [field_link_etichetta] => Array ( ) [field_abstract_news] => Array ( [und] => Array ( [0] => Array ( [value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c [format] => [safe_value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c ) ) ) [field_allegato_news] => Array ( ) [field_categorie_news] => Array ( [und] => Array ( [0] => Array ( [tid] => 2264 ) [1] => Array ( [tid] => 2266 ) [2] => Array ( [tid] => 2267 ) [3] => Array ( [tid] => 2462 ) ) ) [field_pub_date] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [value2] => 2026-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_layout_news] => Array ( [und] => Array ( [0] => Array ( [value] => single ) ) ) [field_testo_opzionale_news] => Array ( ) [field_url_en_page] => Array ( [und] => Array ( [0] => Array ( [value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early [format] => [safe_value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early ) ) ) [field_url_en_page_label] => Array ( [und] => Array ( [0] => Array ( [value] => Engish version [format] => [safe_value] => Engish version ) ) ) [path] => Array ( [pathauto] => 1 ) [name] => rossella.vezzosi [picture] => 0 [data] => b:0; [num_revisions] => 9 [current_revision_id] => 500068 [is_current] => 1 [is_pending] => [revision_moderation] => [entity_view_prepared] => 1 ) [#items] => Array ( [0] => Array ( [value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[summary] => [format] => 2 [safe_value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[safe_summary] => ) ) [#formatter] => text_summary_or_trimmed [0] => Array ( [#markup] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
) ) [field_img_box_lancio_news] => Array ( [#theme] => field [#weight] => 0 [#title] => Immagine [#access] => 1 [#label_display] => above [#view_mode] => teaser [#language] => und [#field_name] => field_img_box_lancio_news [#field_type] => image [#field_translatable] => 0 [#entity_type] => node [#bundle] => box_lancio_news [#object] => stdClass Object ( [vid] => 500068 [uid] => 26499 [title] => Alumni di Unipd sviluppano IA per rilevare precocemente il diabete [log] => [status] => 1 [comment] => 0 [promote] => 1 [sticky] => 0 [nid] => 120489 [type] => box_lancio_news [language] => it [created] => 1756199343 [changed] => 1756200757 [tnid] => 0 [translate] => 0 [revision_timestamp] => 1756200757 [revision_uid] => 26499 [body] => Array ( [und] => Array ( [0] => Array ( [value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[summary] => [format] => 2 [safe_value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[safe_summary] => ) ) ) [field_date_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_etichetta_box_lancio_news] => Array ( ) [field_img_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [fid] => 142067 [uid] => 26499 [filename] => ai_salute.jpg [uri] => public://ai_salute.jpg [filemime] => image/jpeg [filesize] => 229888 [status] => 1 [timestamp] => 1756199852 [type] => image [field_file_image_alt_text] => Array ( ) [field_file_image_title_text] => Array ( ) [field_folder] => Array ( [und] => Array ( [0] => Array ( [tid] => 2048 ) ) ) [metadata] => Array ( [height] => 1322 [width] => 2519 ) [height] => 1322 [width] => 2519 [alt] => schermo digitale con immagini di cervello umano [title] => ) ) ) [field_link_alla_news] => Array ( ) [field_link_esterno_news] => Array ( ) [field_pagina_associata] => Array ( ) [field_link_etichetta] => Array ( ) [field_abstract_news] => Array ( [und] => Array ( [0] => Array ( [value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c [format] => [safe_value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c ) ) ) [field_allegato_news] => Array ( ) [field_categorie_news] => Array ( [und] => Array ( [0] => Array ( [tid] => 2264 ) [1] => Array ( [tid] => 2266 ) [2] => Array ( [tid] => 2267 ) [3] => Array ( [tid] => 2462 ) ) ) [field_pub_date] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [value2] => 2026-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_layout_news] => Array ( [und] => Array ( [0] => Array ( [value] => single ) ) ) [field_testo_opzionale_news] => Array ( ) [field_url_en_page] => Array ( [und] => Array ( [0] => Array ( [value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early [format] => [safe_value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early ) ) ) [field_url_en_page_label] => Array ( [und] => Array ( [0] => Array ( [value] => Engish version [format] => [safe_value] => Engish version ) ) ) [path] => Array ( [pathauto] => 1 ) [name] => rossella.vezzosi [picture] => 0 [data] => b:0; [num_revisions] => 9 [current_revision_id] => 500068 [is_current] => 1 [is_pending] => [revision_moderation] => [entity_view_prepared] => 1 ) [#items] => Array ( [0] => Array ( [fid] => 142067 [uid] => 26499 [filename] => ai_salute.jpg [uri] => public://ai_salute.jpg [filemime] => image/jpeg [filesize] => 229888 [status] => 1 [timestamp] => 1756199852 [type] => image [field_file_image_alt_text] => Array ( ) [field_file_image_title_text] => Array ( ) [field_folder] => Array ( [und] => Array ( [0] => Array ( [tid] => 2048 ) ) ) [metadata] => Array ( [height] => 1322 [width] => 2519 ) [height] => 1322 [width] => 2519 [alt] => schermo digitale con immagini di cervello umano [title] => ) ) [#formatter] => image [0] => Array ( [#theme] => image_formatter [#item] => Array ( [fid] => 142067 [uid] => 26499 [filename] => ai_salute.jpg [uri] => public://ai_salute.jpg [filemime] => image/jpeg [filesize] => 229888 [status] => 1 [timestamp] => 1756199852 [type] => image [field_file_image_alt_text] => Array ( ) [field_file_image_title_text] => Array ( ) [field_folder] => Array ( [und] => Array ( [0] => Array ( [tid] => 2048 ) ) ) [metadata] => Array ( [height] => 1322 [width] => 2519 ) [height] => 1322 [width] => 2519 [alt] => schermo digitale con immagini di cervello umano [title] => ) [#image_style] => [#path] => ) ) [field_abstract_news] => Array ( [#theme] => field [#weight] => 0 [#title] => Abstract [#access] => 1 [#label_display] => above [#view_mode] => teaser [#language] => und [#field_name] => field_abstract_news [#field_type] => text_long [#field_translatable] => 0 [#entity_type] => node [#bundle] => box_lancio_news [#object] => stdClass Object ( [vid] => 500068 [uid] => 26499 [title] => Alumni di Unipd sviluppano IA per rilevare precocemente il diabete [log] => [status] => 1 [comment] => 0 [promote] => 1 [sticky] => 0 [nid] => 120489 [type] => box_lancio_news [language] => it [created] => 1756199343 [changed] => 1756200757 [tnid] => 0 [translate] => 0 [revision_timestamp] => 1756200757 [revision_uid] => 26499 [body] => Array ( [und] => Array ( [0] => Array ( [value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[summary] => [format] => 2 [safe_value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[safe_summary] => ) ) ) [field_date_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_etichetta_box_lancio_news] => Array ( ) [field_img_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [fid] => 142067 [uid] => 26499 [filename] => ai_salute.jpg [uri] => public://ai_salute.jpg [filemime] => image/jpeg [filesize] => 229888 [status] => 1 [timestamp] => 1756199852 [type] => image [field_file_image_alt_text] => Array ( ) [field_file_image_title_text] => Array ( ) [field_folder] => Array ( [und] => Array ( [0] => Array ( [tid] => 2048 ) ) ) [metadata] => Array ( [height] => 1322 [width] => 2519 ) [height] => 1322 [width] => 2519 [alt] => schermo digitale con immagini di cervello umano [title] => ) ) ) [field_link_alla_news] => Array ( ) [field_link_esterno_news] => Array ( ) [field_pagina_associata] => Array ( ) [field_link_etichetta] => Array ( ) [field_abstract_news] => Array ( [und] => Array ( [0] => Array ( [value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c [format] => [safe_value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c ) ) ) [field_allegato_news] => Array ( ) [field_categorie_news] => Array ( [und] => Array ( [0] => Array ( [tid] => 2264 ) [1] => Array ( [tid] => 2266 ) [2] => Array ( [tid] => 2267 ) [3] => Array ( [tid] => 2462 ) ) ) [field_pub_date] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [value2] => 2026-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_layout_news] => Array ( [und] => Array ( [0] => Array ( [value] => single ) ) ) [field_testo_opzionale_news] => Array ( ) [field_url_en_page] => Array ( [und] => Array ( [0] => Array ( [value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early [format] => [safe_value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early ) ) ) [field_url_en_page_label] => Array ( [und] => Array ( [0] => Array ( [value] => Engish version [format] => [safe_value] => Engish version ) ) ) [path] => Array ( [pathauto] => 1 ) [name] => rossella.vezzosi [picture] => 0 [data] => b:0; [num_revisions] => 9 [current_revision_id] => 500068 [is_current] => 1 [is_pending] => [revision_moderation] => [entity_view_prepared] => 1 ) [#items] => Array ( [0] => Array ( [value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c [format] => [safe_value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c ) ) [#formatter] => text_default [0] => Array ( [#markup] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c ) ) [links] => Array ( [#theme] => links__node [#pre_render] => Array ( [0] => drupal_pre_render_links ) [#attributes] => Array ( [class] => Array ( [0] => links [1] => inline ) ) [node] => Array ( [#theme] => links__node__node [#links] => Array ( [node-readmore] => Array ( [title] => Read more about Alumni di Unipd sviluppano IA per rilevare precocemente il diabete [href] => node/120489 [html] => 1 [attributes] => Array ( [rel] => tag [title] => Alumni di Unipd sviluppano IA per rilevare precocemente il diabete ) ) ) [#attributes] => Array ( [class] => Array ( [0] => links [1] => inline ) ) ) ) [field_date_box_lancio_news] => Array ( [#theme] => field [#weight] => 1 [#title] => Data [#access] => 1 [#label_display] => above [#view_mode] => teaser [#language] => und [#field_name] => field_date_box_lancio_news [#field_type] => date [#field_translatable] => 0 [#entity_type] => node [#bundle] => box_lancio_news [#object] => stdClass Object ( [vid] => 500068 [uid] => 26499 [title] => Alumni di Unipd sviluppano IA per rilevare precocemente il diabete [log] => [status] => 1 [comment] => 0 [promote] => 1 [sticky] => 0 [nid] => 120489 [type] => box_lancio_news [language] => it [created] => 1756199343 [changed] => 1756200757 [tnid] => 0 [translate] => 0 [revision_timestamp] => 1756200757 [revision_uid] => 26499 [body] => Array ( [und] => Array ( [0] => Array ( [value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[summary] => [format] => 2 [safe_value] =>Un team di ricercatori dello Scripps Research Translational Institute, tra i quali anche degli alumni dell'Università di Padova, ha sviluppato un modello di intelligenza artificiale che può rilevare precocemente il rischio di diabete analizzando i picchi glicemici tramite sensori indossabili. Tradizionalmente, il diabete e il prediabete sono diagnosticati tramite il test HbA1c, che misura i livelli medi di glucosio nel sangue negli ultimi mesi. Tuttavia, questo test non prevede chi è a rischio di sviluppare il diabete.
Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus AI, lo sponsor dello studio, e ha gestito la collaborazione. Tutti e quattro vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. In questo studio hanno scoperto che l'intelligenza artificiale può utilizzare una combinazione di altri dati — inclusi i livelli di glucosio in tempo reale monitorati da dispositivi indossabili — per offrire una visione più precisa del rischio di diabete.
Il nuovo modello utilizza dati provenienti da monitor glicemici continui (CGM), informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, offrendo una visione più dettagliata del rischio di diabete. «Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi - afferma Giorgio Quer, direttore di Intelligenza artificiale e docente di Medicina Digitale presso Scripps Research -. Analizzando più dati, ovvero quanto tempo impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l'apporto alimentare e persino cosa accade nell'intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no.»
Utilizzando queste informazioni, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario affinché un picco glicemico rientri ai valori normali. Nelle persone con diabete di tipo 2, spesso servivano 100 minuti o più affinché la glicemia si abbassasse dopo un picco, mentre negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete.
Lo studio, pubblicato su «Nature Medicine», ha coinvolto oltre 1.000 partecipanti negli Stati Uniti tramite un trial clinico remoto, dove i partecipanti hanno utilizzato dispositivi CGM, registrato i pasti, monitorato l'attività fisica e inviato campioni biologici per le analisi. I risultati mostrano che un microbioma intestinale diversificato e un livello di attività fisica elevato sono associati a un migliore controllo glicemico.
Il modello di IA ha dimostrato di poter rilevare il rischio di diabete in individui prediabetici, aiutando i medici a personalizzare i trattamenti.
«In definitiva, si tratta di dare alle persone maggiore consapevolezza e controllo - afferma Quer -. Il diabete non compare all’improvviso, si sviluppa lentamente, e ora abbiamo gli strumenti per rilevarlo prima e intervenire in modo più intelligente»
[safe_summary] => ) ) ) [field_date_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_etichetta_box_lancio_news] => Array ( ) [field_img_box_lancio_news] => Array ( [und] => Array ( [0] => Array ( [fid] => 142067 [uid] => 26499 [filename] => ai_salute.jpg [uri] => public://ai_salute.jpg [filemime] => image/jpeg [filesize] => 229888 [status] => 1 [timestamp] => 1756199852 [type] => image [field_file_image_alt_text] => Array ( ) [field_file_image_title_text] => Array ( ) [field_folder] => Array ( [und] => Array ( [0] => Array ( [tid] => 2048 ) ) ) [metadata] => Array ( [height] => 1322 [width] => 2519 ) [height] => 1322 [width] => 2519 [alt] => schermo digitale con immagini di cervello umano [title] => ) ) ) [field_link_alla_news] => Array ( ) [field_link_esterno_news] => Array ( ) [field_pagina_associata] => Array ( ) [field_link_etichetta] => Array ( ) [field_abstract_news] => Array ( [und] => Array ( [0] => Array ( [value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c [format] => [safe_value] => Ricercatori, fra i quali alumni dell'Università di Padova, sviluppano IA per rilevare il rischio di diabete tramite sensori, superando i limiti del test HbA1c ) ) ) [field_allegato_news] => Array ( ) [field_categorie_news] => Array ( [und] => Array ( [0] => Array ( [tid] => 2264 ) [1] => Array ( [tid] => 2266 ) [2] => Array ( [tid] => 2267 ) [3] => Array ( [tid] => 2462 ) ) ) [field_pub_date] => Array ( [und] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [value2] => 2026-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) ) [field_layout_news] => Array ( [und] => Array ( [0] => Array ( [value] => single ) ) ) [field_testo_opzionale_news] => Array ( ) [field_url_en_page] => Array ( [und] => Array ( [0] => Array ( [value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early [format] => [safe_value] => https://www.unipd.it/Unipd-alumni-develop-AI-to-detect-diabetes-early ) ) ) [field_url_en_page_label] => Array ( [und] => Array ( [0] => Array ( [value] => Engish version [format] => [safe_value] => Engish version ) ) ) [path] => Array ( [pathauto] => 1 ) [name] => rossella.vezzosi [picture] => 0 [data] => b:0; [num_revisions] => 9 [current_revision_id] => 500068 [is_current] => 1 [is_pending] => [revision_moderation] => [entity_view_prepared] => 1 ) [#items] => Array ( [0] => Array ( [value] => 2025-08-26T00:00:00 [timezone] => Europe/Paris [timezone_db] => Europe/Paris [date_type] => date ) ) [#formatter] => date_default [0] => Array ( [#markup] => Mar, 26/08/2025 ) ) )
